亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Impedance‐Based Multimodal Electrical‐Mechanical Intrinsic Flow Cytometry

细胞仪 材料科学 表征(材料科学) 流式细胞术 电阻抗 生物医学工程 纳米技术 生物系统 生物物理学 物理 生物 医学 遗传学 量子力学
作者
Yongxiang Feng,Jing Zhu,Huichao Chai,Weihua He,Liang Huang,Wenhui Wang
出处
期刊:Small [Wiley]
标识
DOI:10.1002/smll.202303416
摘要

Reflecting various physiological states and phenotypes of single cells, intrinsic biophysical characteristics (e.g., mechanical and electrical properties) are reliable and important, label-free biomarkers for characterizing single cells. However, single-modal mechanical or electrical properties alone are not specific enough to characterize single cells accurately, and it has been long and challenging to couple the conventionally image-based mechanical characterization and impedance-based electrical characterization. In this work, the spatial-temporal characteristics of impedance sensing signal are leveraged, and an impedance-based multimodal electrical-mechanical flow cytometry framework for on-the-fly high-dimensional intrinsic measurement is proposed, that is, Young's modulus E, fluidity β, radius r, cytoplasm conductivity σi , and specific membrane capacitance Csm , of single cells. With multimodal high-dimensional characterization, the electrical-mechanical flow cytometry can better reveal the difference in cell types, demonstrated by the experimental results with three types of cancer cells (HepG2, MCF-7, and MDA-MB-468) with 93.4% classification accuracy and pharmacological perturbations of the cytoskeleton (fixed and Cytochalasin B treated cells) with 95.1% classification accuracy. It is envisioned that multimodal electrical-mechanical flow cytometry provides a new perspective for accurate label-free single-cell intrinsic characterization.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
3秒前
cy关闭了cy文献求助
5秒前
HCCha完成签到,获得积分10
7秒前
研友_nqaogn发布了新的文献求助10
9秒前
YUN完成签到,获得积分10
11秒前
Aruane完成签到,获得积分10
11秒前
Aruane发布了新的文献求助10
15秒前
大个应助yun采纳,获得10
16秒前
CipherSage应助外卖小哥采纳,获得10
21秒前
22秒前
研友_nqaogn完成签到,获得积分10
24秒前
26秒前
哭泣的金鱼完成签到,获得积分10
28秒前
赘婿应助Yesaniar采纳,获得10
36秒前
DrLee完成签到,获得积分10
42秒前
许三问完成签到 ,获得积分0
42秒前
jyy应助zyyyyy采纳,获得10
43秒前
明理平文完成签到 ,获得积分10
47秒前
隐形曼青应助阿是小友采纳,获得10
50秒前
领导范儿应助科研通管家采纳,获得10
51秒前
打打应助科研通管家采纳,获得10
51秒前
兼听则明应助科研通管家采纳,获得20
51秒前
上官若男应助科研通管家采纳,获得10
51秒前
科研通AI5应助科研通管家采纳,获得10
51秒前
爆米花应助科研通管家采纳,获得10
51秒前
今后应助Linson采纳,获得10
57秒前
59秒前
田様应助yyds采纳,获得10
1分钟前
KongHN发布了新的文献求助10
1分钟前
一夜很静应助十八采纳,获得10
1分钟前
李健的小迷弟应助zf采纳,获得10
1分钟前
1分钟前
我是老大应助和谐的思松采纳,获得10
1分钟前
迷你的靖雁完成签到,获得积分10
1分钟前
大个应助LucienS采纳,获得10
1分钟前
1分钟前
1分钟前
1分钟前
KongHN发布了新的文献求助10
1分钟前
1分钟前
高分求助中
Production Logging: Theoretical and Interpretive Elements 2700
Social media impact on athlete mental health: #RealityCheck 1020
1.3μm GaAs基InAs量子点材料生长及器件应用 1000
Ensartinib (Ensacove) for Non-Small Cell Lung Cancer 1000
Unseen Mendieta: The Unpublished Works of Ana Mendieta 1000
Bacterial collagenases and their clinical applications 800
El viaje de una vida: Memorias de María Lecea 800
热门求助领域 (近24小时)
化学 材料科学 生物 医学 工程类 有机化学 生物化学 物理 纳米技术 计算机科学 内科学 化学工程 复合材料 基因 遗传学 物理化学 催化作用 量子力学 光电子学 冶金
热门帖子
关注 科研通微信公众号,转发送积分 3526437
求助须知:如何正确求助?哪些是违规求助? 3106899
关于积分的说明 9281822
捐赠科研通 2804409
什么是DOI,文献DOI怎么找? 1539435
邀请新用户注册赠送积分活动 716571
科研通“疑难数据库(出版商)”最低求助积分说明 709546